[发明专利]基于轮廓跟踪的车载红外视频彩色化方法

说明书

技术领域

本发明涉及一种快速的车载红外视频彩色化方法，通过本方法可赋予车载红外图像较自然感的彩色，同时提高处理速度，实现车载红外视频的快速彩色化。

背景技术

车载夜视系统可以在夜晚辅助驾驶，提高行车安全。在驾驶室中的夜视系统屏幕上，可以显示仅凭人眼或普通可见光摄像设备无法获取的路况及路旁的树木建筑等的夜视图像。但是，由于夜间获得的夜视图像较模糊，再加上夜视仪所监视或探测的目标距离较远，因此对夜视图像中的内容理解往往难以如白天的自然光图像那样作出快速准确的判断。由于人眼能分辨的颜色等级是灰度等级的几百倍，若将夜视图像彩色化，将大大提高夜视图像的视觉理解效果，帮助驾驶员对夜视图像内容迅速作出正确的理解和判断，从而大大地提高夜间行驶安全。

目前彩色夜视领域主要研究对静态夜视图像的彩色化，为达到较好的彩色图像效果，往往设计的算法时间复杂度很高，该类算法无法实时地对动态夜视图像实现彩色化。而针对动态夜视彩色化的实时算法相对较少，相关文献直接采用从视频编码中提取运动矢量的方法用于彩色化，由于运动矢量主要用于视频压缩，并不能反映真实的运动场，往往存在误差，进行多次色彩传递之后，这种误差会逐渐扩大，从而得到失败的彩色化图像效果。代中华等提出采用关键帧分割，以所得固定阈值进行后续帧的分割，并采用先验知识上色的方法，速度有所提高，但后续帧采用固定阈值很难获得理想的分割效果，易导致后续帧的上色处理出现错误。

发明内容

本发明的目的是提供一种快速对动态夜视图像进行彩色化的方法，通过该方法可较为准确地赋予车载红外视频较自然感的彩色。

为了达到上述目的，本发明的技术方案是提供了一种基于轮廓跟踪的车载红外视频彩色化方法，其特征在于：步骤为：

步骤1、获取具有不同景物类别的多个自然彩色图像块，每个自然彩色图像块仅具有

一个景物类别，将每个自然彩色图像块转至YCbCr空间，计算其Cb通道及Cr通道的均值及作为各景物类别的特征色彩；

步骤2、在获得的车载红外视频中选取一帧图像作为关键帧，采用K-均值聚类算法对关键帧的灰度进行聚类，得到分割图像，分割图像中每个类别区域对应一个景物类别，将关键帧转为YCbCr空间，根据得到的分割图像，将转换后关键帧的所有像素按位置分别划分到相应的类别区域中，为每个类别区域赋予与其相对应的景物类别的特征色彩，得到关键帧彩色图像；

步骤3、从车载红外视频中与关键帧相邻的下一帧图像开始为每一帧图像赋予色彩，从而将车载红外视频彩色化，对于第i帧图像而言，其彩色化步骤为：

步骤3.1、利用KLT特征跟踪算法得到与第i帧图像相邻的第i-1帧图像的特征点，并得到这些特征点在第i帧图像中的位置；

步骤3.2、利用Canny边缘检测算法得到第i帧图像的物体边缘点，搜索与每个特征点最近邻的物体边缘点作为修正后的特征点，修正后的特征点分布在第i帧图像各类别区域的边缘上；

步骤3.3、采用轮廓复原的方法把修正后的特征点用光滑曲线按类别区域顺序连接起来，从而生成各类别区域的闭合区域轮廓曲线，为每个类别区域赋予与其相对应的景物类别的特征色彩，得到第i帧彩色图像。

优选地，步骤2中所述K-均值聚类算法为改进的K-均值聚类算法，其步骤为：

步骤2.1、K值为景物类别的总个数；

步骤2.2、统计记录不同灰度值f_i及其灰度点个数N_i，i＝1，2，...，n，且其中，n为出现灰度级的总个数，N为图像中所有像素点总个数，L为关键帧的宽度，H为关键帧的高度；

步骤2.3、对不同灰度值f_i从小到大进行排序；

步骤2.4、依次取初始聚类中心为Z_j(I)＝Z₀+f_j×int(n/K)，其中，j＝1，2，...，K，int表示取整运算，Z₀∈[f′₁，f′_int(n/K)]，f′₁为最小的灰度值，f′_int(n/K)为排序后的第n/K个灰度值；